不同长度的pandas groupby元组-ValueError：在通过级别中找不到值：MultiIndex

Posted 2023-03-12

【中文标题】不同长度的pandas groupby元组-ValueError：在通过级别中找不到值：MultiIndex

【英文标题】：pandas groupby tuple of different length - ValueError: Values not found in passed level: MultiIndex

【发布时间】：2021-05-31 07:19:05

【问题描述】：

编辑：找到并发布的原始错误消息的示例 DataFrame。

（正如我刚刚认识到的那样，只有在元组具有一定长度时才会出现错误。现在已经修改了示例。）

原文：

我需要按不同长度的元组进行分组。

对于分组，我应用了一个 summary_function。

import pandas as pd

def summary_function(df):
    value_mean = df['value'].mean()
    df1 = pd.DataFrame('value_mean':[value_mean]
                        )
    return df1

tuple_list = [(1,2,1,1,1,1,1,1,1,1,1,1,1),(2,3,1,1,1,1,1,1,1,1,1,1,1), \
          (1,2,1,1,1,1,1,1,1,1,1,1,1), \
          (2,3,4,4,4,4,4,4,4,4,4,4,4,4,4,1,1,1,1,1,1,1,1,1,1,1)]

value = [1,2,3,4]
letter = list('abab')

df = pd.DataFrame('letter':letter, 'tuple':tuple_list, 'value':value)
df

>    letter     tuple                                           value
>0  a       (1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1)             1
>1  b       (2, 3, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1)             2
>2  a       (1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1)             3
>3  b       (2, 3, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, ...   4

如果我使用直接 mean() 函数，结果是预期的：

df.groupby(['letter','tuple']).mean()

>                                                       value
>letter     tuple   
>a       (1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1)        2
>b       (2, 3, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1)        2
>        (2, 3, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, ...)   4

但是如果我应用这个功能。 （我需要使用，因为我有几十个摘要）使用简单时元组是空的

df.groupby(['letter','tuple']).apply(lambda x:summary_function(x))

我得到一个 ValueError：

>ValueError: Values not found in passed level: MultiIndex([(2, 3, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4)],
       )

如果能获得一些关于如何解决这个问题的想法会很棒。

【问题讨论】：

将此return df1 更改为return value_mean 这应该可以完成工作。

不返回 apply 中的数据帧，只返回单个标量。

@Quang Hoang 真正的函数不是返回一个只有一个单元格但有 2 打列的数据框。因此，仅返回标量不是一种选择。当然，我可以返回 2 打参数（标量、数组、列表）。但我不认为这些东西会通过 groupby 很好地粘贴在一起。

【参考方案1】：

在你的情况下，不要返回数据框，返回系列。

当您返回系列时，Pandas 会水平对齐系列。例如：

def summary_function(df):
    return df['value'].agg(['min','mean','max'])

df.groupby(['letter','tuple']).apply(summary_function)

输出：

value                                                      min  mean  max
letter tuple                                                             
a      (1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1)             1.0   2.0  3.0
b      (2, 3, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1)             2.0   2.0  2.0
       (2, 3, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 1...  4.0   4.0  4.0

【讨论】：

解决方案更加简单。我刚刚用 pd.Series 替换了 pd.DataFrame。你的回答启发了我这个解决方案。非常感谢！

【参考方案2】：

更短的解决方案是将“pd.DataFrame”替换为“pd.Series”。

def summary_function(df):
    value_mean = df['value'].mean()
    df1 = pd.Series('value_mean':[value_mean]
                    )

（灵感来自 Quang Hoang 的回答）